Estimación de parámetros biofísicos de interés para la mejora de trigo usando inteligencia artificial

La estimacion de parametros biofisicos como el indice de area foliar (IAF) ha sido un reto en los ultimos anos. Los metodos directos e indirectos existentes hasta el momento son costosos tanto en tiempo como en dinero. El desarrollo en los ultimos anos de las plataformas de fenotipado ha abierto la posibilidad de crear nuevas herramientas que ayuden a los mejoradores a tomar decisiones. El objetivo de este trabajo ha sido el desarrollo de una red neuronal artificial (ANN) para estimar IAF a partir de imagenes RGB y comparar su poder predictivo con otro metodo indirecto basado en el uso de imagenes hemisfericas y la teoria de la fraccion de huecos. Los valores de IAF estimados con ambos metodos indirectos se compararon con medidas de IAF obtenidas de forma no destructiva con una relacion alometrica determinada previamente en las parcelas de ensayo que explica en un 93% la variabilidad del area foliar unitaria observada (RMSE = 0.22 cm2). Los valores de IAF obtenidos con imagenes hemisfericas obtuvieron, en comparacion con los medidos con la relacion alometrica, un error proximo al 19%. Sin embargo, los valores de IAF obtenidos con la ANN obtuvieron un error notablemente inferior y proximo al 7%. Estos resultados muestran el gran potencial del modelo desarrollado, el cual puede continuar mejorando a traves de la optimizacion del dataset utilizado.